健康指标和评估研究所(健康)使用一种混合估计模型,该模型结合了医院资源需求的疾病传播模型做出预测疾病的传播。这个新模型捕捉社会距离的变化要求的影响,流动性的变化,以及测试和接触者追踪的影响。它使预测复苏如果更多的社会距离要求放松。模型便于定期更新新的数据情况下,住院治疗,死亡,测试,和流动宣传。它也可以被用来确定哪些可能轨迹逐步放松社会距离,与此同时,限制大规模复苏的风险( 1]。穆雷et al。 2)确定死亡的程度和时机和过量对医院服务的需求由于COVID-19在美国和第一组提出的估计预测卫生服务利用率和死亡由于COVID-19,日复一日,在接下来的四个月在美国每个州。使用的日常数据证实COVID-19死于世卫组织网站和当地和国家政府,美国医院的数据容量和利用率,从选择的位置和观察COVID-19利用率数据,他们发现,即使社会距离措施实施和持续,对医院服务的需求高峰由于COVID-19大流行可能大大超过了能力。支持通过手机数据,穆雷et al。 3)开发了一种混合效应非线性回归框架估计累积死亡率和日常的轨迹的函数的实现社会距离的措施。延长混合模型被用来捕捉非对称每日死亡模式。这些评估可以帮助开发和实现策略来减轻负担的卫生系统资源,包括减少non-COVID-19暂时对服务的需求,增加系统的容量。他们预测估计的过度需求在医院系统在三周内实现社会距离的措施在所有地点,没有实现的措施。他们进一步发表了类似的估计,以防这些措施实施整个流行。他们强调执行的重要性,实施和维护这些系统过载和防止措施,减轻医院死亡。使用数据来源于手机GPS痕迹,伍迪et al。 4)提出了一种贝叶斯模型项目抗COVID-19死亡在美国所有50个州和估计社会距离的行为是如何导致在每个状态曲线的“压扁”。该模型比广泛使用的健康指标模型。西珥的动态模型由杨et al。 5)是有效的在预测COVID-19流行高峰和大小,和实施控制措施1月23日,2020年在中国成功地遏制COVID-19流行的大小。Marchant et al。 6)健康评估模型,发现其预测每天的死亡人数已经高度不准确,特别是当预测第二天死亡的数量。

本文(分为方法、程序、结果和结论)报告系统动力学方法能够显示参与的人数感染(例如,“B”人“a”感染人“C”和“D”;人“C”进而感染人“F”“G”“H”,和“我”;和参与的人数感染= 8),在一个给定的人口和观察期间,发生更改时,将违法者的百分比(或那些没有实践社会距离)和感染。

系统动力学方法是定义为一个方法对于理解如何随时间变化。它关注的反馈行为变量在系统的闭环处理如何内部反馈回路系统创建的结构行为。系统动力学方法的优势在于信息反馈的方式分析了影响决策的一个复杂的系统。

股票,由人口和COVID-19确诊病例在图表示 1是一种元素,积累和耗尽。流,为代表的感染率,变化的速度在股票。链接定义了一个元素之间的依赖关系的存量和流量图,和辅助,由参数,用于定义一些中间概念。正反馈循环提高或增强变化,倾向于移动系统远离平衡态,使它更不稳定。负面反馈循环抑制或缓冲变化,倾向于保持一个系统在一种相对平衡的状态,使它更稳定 7]。(COVID-19确诊病例)模型(开发利用系统动力学方法如图 1)是翻译或转换成一个程序;在下一节中给出的细节。

股票(典型的)行为的系统动力学方法如下例子:

Auxiliary_1、Rate_1 Level_1(代表股票)的“A”在图模型 2是固定的(定值)10,辅助每天,分别和(初始值)0。

图 3显示结果由Level_1当模型执行“A”。Level_1行为可以解释通过数学公式如下: 水平 1 = 辅助 1 t , t = 1 , 2 , 3 , ⋯ 。

的计划,称为“covid19curve”和使用Java编程语言开发,执行下面的步骤(注意,我们依赖于假设或最好的猜测,因为不可用或难以获得真实数据):

随机选择一个人是被病毒感染(代表他或她的情况或条件从外部被病毒感染的人口;例如,人感染病毒外举行宗教集会人群或社区),和这个人成为感染源为他人(尤其是那些“免费”从感染和站不到6英尺,或2米远,换句话说,不是实践社会距离)。病毒从一个人传播到另一个,当一个人接触受感染的人,比如握手或分泌物,例如,水滴驱逐咳嗽或打喷嚏。也可以传播如果接触受感染的人感动的事情,然后触摸他们的嘴巴,鼻子,或眼睛 8]。说的人贴上“源”和“源”的感染贴上“下沉。“人民贴上“下沉”可以被称为“源”如果他们感染别人贴上“下沉”(世卫组织)。标签“源”和“沉”(或介绍)用于简单的“接触者追踪”运动(一个特别或独特的特性,它被添加到系统动力学方法的股票称为“COVID-19确诊病例”图 1和它的典型行为可以在数据中找到 2和 3)。这类似于现实世界,在引入马来西亚之前运动控制命令(MCO)或新加坡的断路器,或在某些情况下,人们没有意识到被感染(或有错误的常见或季节性流感的病毒)无意中感染他人。

重复上面的步骤程序中五十(50)乘以每个下面的场景。人口和观察时间是固定的,分别在1000年和5天(人口贴上1、2、3…,1000)。项目的结果可能被视为集群,例如,宗教集会或婚礼。如果感染的人数是1(1),我们假定这个人是被病毒感染的人口以外(上文中提到的)。接下来的场景(即前可以代表条件。执法中,场景1)和穆迪(即。,场景3) and in the reverse case, that is, after MCO is lifted or relaxed.

马来西亚的穆迪首次引入3月18日持续到4月14日;这是又延长到4月28日和扩展到2020年5月12日。条件相比(CMCO),更多的企业被允许打开有严格的准则或标准操作程序(SOP),介绍了5月4日,一直持续到5月12日,这是进一步延长到2020年6月9日( 9, 10]。尽管增强MCO (EMCO)在马来西亚在多个领域与严格的订单执行(包括与铁丝网的道路堵塞),它将不被包括在这项研究。场景2可以代表条件在执行CMCO实施前(MCO)。

场景1:大约80%的人口没有遵循和实践社会距离(维护6英尺,或2米,人之间的距离),感染,遵循一个统计分布,正常(7 - 1) 11]。感染,正常( μ, σ²),来源于观察期和人口的比例没有实践社会距离。

场景2:大约50%的人口没有遵循和实践社会距离(6英尺,或2米,除了其他人),和的感染率遵循统计分布,正常(3,1)。

场景3:大约10%的人口没有遵循和实践社会距离(6英尺,或2米,除外),和的感染率遵循统计分布,正常(0,1)。

箱线图( 12)(图 4)用于显示结果从所有场景,重点参与感染的人数满足以下间隔:低铰链和中位数之间(氯),中间和上部铰链之间(mh)之间较低的内在栅栏和较低的铰链(相邻),降低外栅栏和降低内心的栅栏之间(出),小于低外栅栏(远),上铰链和上层之间内在的栅栏(相邻),上层之间内在的栅栏和上外栅栏(出),大于上部外栅栏(远);另一种格式的一个例子是图所示 5。注意观察,属于和远离视为离群值。

在前面的部分中,我们介绍了研究人员使用的模型,即一个混合模型(结合医疗资源需求模型与疾病传播模型),贝叶斯模型,西珥模型预测卫生服务利用率和死亡,混合效应非线性回归和混合模型来预测确诊病例和死亡的数量或预测曲线变平。除了执行任务(即类似于时间序列预测技术。,predicting the number of confirmed cases), system dynamics methodology focuses on the feedback behaviour of variables within the system’s closed loop and deals with how the internal feedback loops within the structure of a system create behaviour. In this article, we modified and expanded system dynamics methodology beyond ordinary or normal usage when building the model called “COVID-19 confirmed cases,” from which were derived Scenarios 1, 2, and 3.

场景1是最好的形容为实施前的条件相比,大约80%的人口没有遵循或实践社会距离,,平均996人(1000)感染后5天的观察期。结果表明,38.66%的感染涉及少于7人,37.21%的感染涉及7至17人,和24.13%的感染涉及超过17人,其中包括6.36%的感染涉及超过32人(他们视为离群值)。由于图的大小的限制,只有一个例子涉及超过100人的感染。

场景2是最好的形容为条件CMCO实施或执行时(或之前MCO实施或执行),其中大约50%的人口没有遵循或实践社会距离。平均998人(1000)感染后5天观察期;结果显示,42.3%的感染涉及不到三人,涉及3至7人感染的33.13%,和24.56%的感染涉及超过7人,其中包括8.53%的感染涉及超过13人(他们视为离群值)。由于图的大小的限制,只有一个例子涉及60多人的感染。

场景3的最好描述条件相比实施或执行时,大约10%的人口没有遵循或实践社会距离,和平均186人(1000年)被感染后5天观察期;此外,结果显示,71.49%的感染涉及1人,26.73%的感染涉及1到3.5之间的人,和1.78%的感染涉及3.5多人,其中包括0.12%的感染涉及超过5人(它们视为离群值)。由于图的大小的限制,只有一个例子涉及八人的感染。

总之,显示的场景,除了接近真实结果,忽视社会距离准则的不利影响(根据感染的人数减少的遵守社会距离准则增加)。

其他(统计)分析场景1、2和3中可以找到数据 12- - - - - - 14。密度估计的柱状图主要用于演示和勘探的数据。它是一种非参数方法,可以被定义为 f ^ X = 1 / n h (没有的 X 我 本一样 X 本指的是时间间隔) x 0 + 米 h , x 0 + 米 + 1 h ( 13(表示结果由“探索数据分析,统计程序使用Java编程语言开发)(参考数据 12- - - - - - 14)。这些数据显示他们没有进一步的测试(即满足要求。,拟合拟合正常或钟形分布( 14];一个正常的一个例子,钟形分布如图 15)。

以下是比较真实的数据和场景的步骤1、2和3(正如前面所提到的,真实的数据包含集群和病人是严格保密的,本文中给出的是提取新闻或新闻发布):

上面的步骤被应用于患者( 15, 16([],实现了场景1条件 15]报告病人“零”,公司的高级雇员,参加公共活动,事件,从上海回国后和会议,中国 16]报告病人“零”,男性的餐馆老板,谁打破了国内检疫规则从Sivaganga回国后,印度)。注意,“接触者追踪”运动包括列出所有接触病人“零”和测试COVID-19。

我们使用冬天的指数平滑法( 17, 18)(表示结果由“Ritatwoanalytics3,”一个专家系统开发使用Java编程语言)的方法(一个常用的方法,在“跟踪”机制或功能不可用)模型马来西亚COVID-19确诊病例( 19(由fit_wes_1图表示 16)下行趋势可以很容易地改变或转化成如果我们(即一个向上的趋势。,businesses and population) fail to follow the SOP and do not practice social distancing (which are the measures for preventing the spread of the virus). Letting our guard down can lead our country into a second “wave” of infections, which would nullify our previous efforts with devastating results as shown in Scenarios 1 and 2.

未来的研究工作可以包括使用机器学习上面给出的结果。